Автор японского гайда на note показал, как gpt-image-2 превращает схему из линий и подписей в иллюстрацию, и советует держать её примерно в пределах 7 блоков. Для тех, кто делает объясняющие картинки, это способ сохранить логику схемы, а не надеяться, что модель угадает её по описанию.
Раньше автор задавал содержание словами: например, просил поставить слева PDF, затем шестерёнку, таблицу и календарь. Получались аккуратные иконки со стрелками, но без подписи было неясно, что именно они означают. Теперь он сначала рисует схему с блоками, подписями и направлением стрелок, а затем просит перерисовать её, не меняя структуру и текст. ИИ получает не только описание, но и готовую раскладку.
В примере с переносом меню из PDF в Google Calendar на схеме подписаны сами действия и данные. Обработка больше не спрятана за шестерёнкой, а цветные колонки не требуют запоминать, что именно они обозначают. В инструкции автор отдельно просит не менять число и направление стрелок, не добавлять текст и точно воспроизводить японские подписи. Тут идея простая: меньше места для трактовок — меньше шансов, что схема станет просто красивой картинкой.
Автор советует оставлять около 7 блоков, делать подписи длиной примерно до 15 знаков и вести схему в одном направлении — сверху вниз или слева направо. Если элементов больше, лучше разделить материал на две картинки; ветвления и циклы тоже могут сбить раскладку. В одном неудачном примере схема папок из 10 блоков превратилась в цепочку: подписи сохранились, но стрелки показали неверные связи. Поэтому исправлять автор предлагает исходную схему и генерировать заново. Проверял он только gpt-image-2: в четырёх готовых картинках подписи были точными, но это не гарантия — текст всё равно стоит вычитать.
Источникnote #画像生成AI
